Visão geral dos conjuntos de dados

Gerencie conjuntos de dados de treinamento para ajustar modelos em QwenCloud.

Conjuntos de dados são arquivos de dados estruturados usados para ajustar modelos em QwenCloud. Você pode criar, fazer upload e gerenciar conjuntos de dados em Datasets página do console.

Formato dos dados

Os conjuntos de dados usam o formato JSONL contendo pares instrução-resposta estruturados como um messages matriz. Este formato é usado para treinamento SFT (Supervised Fine-Tuning).

Você pode fazer upload de até 10 arquivos por conjunto de dados, cada um com no máximo 200 MB.

Exemplo de formato de dados

Cada linha no arquivo JSONL deve conter um messages matriz com role e content campos:

{
  "messages": [
    {"role": "system", "content": "You are a helpful assistant"},
    {"role": "user", "content": "Who painted the human body during the Renaissance?"},
    {"role": "assistant", "content": "<think>Optional model thinking</think>The Renaissance was a period of rebirth in art, culture, and scholarship. Many artists depicted the human form during this era."}
  ]
}

O <think> tag na resposta do assistente é opcional. Inclua-o se você want o modelo ajustado para produzir um raciocínio em cadeia de pensamento antes de sua resposta final.

Fluxo de trabalho do conjunto de dados

Quando você cria um conjunto de dados, ele é salvo como Rascunho. Você deve publicar o conjunto de dados antes que ele possa ser usado em um trabalho de ajuste fino. Consulte Gerenciar conjuntos de dados para obter detalhes.

##Próximas etapas

• Criar um conjunto de dados – Faça upload de dados e crie um novo conjunto de dados.
• Gerenciar conjuntos de dados – Publique, edite ou exclua conjuntos de dados.
• Crie um trabalho de ajuste fino – Use seu conjunto de dados publicado para treinar um modelo personalizado.